초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

전 세계적으로 고령화가 진행됨에 따라 알츠하이머 병의 유병률이 높아지고 있다. 이에 전세계적으로 알츠하이머 병에 대한 조기 진단 방법과 효율적인 진단, 분석 방법이 필요하며 많은 연구가 실시되고 있다. 또한 현재 4차산업혁명의 핵심인 많은 딥러닝 기술들이 연구되고 있으며, 이는 의료영상 분야에서도 활발한 연구가 이루어지고 있다.
본 연구는 Convolution Neural Network를 기반으로하여, 뇌 MR영상에서 추출한 해마 영역을 학습하고 알츠하이머 병의 분석 및 분류 모델의 개발을 목표로 하였다.
연구 과정은 다음과 같다. 먼저 뇌 MR영상에서 해마영역을 분할하는 과정을 거쳤으며, 해마 영역의 자동 분할을 위해서, ICBM Template와 ADNI에서 얻은 환자 뇌 MR영상을 3D-Slicer를 이용하여 정합하였다. 그리고 ICBM Template가 제공하는 뇌 기관의 위치정보를 이용하여 정합이 완료된 환자의 뇌 MR영상에서 해마영역을 자동으로 추출하였다. 이 후 추출한 환자의 해마 영역을 AD/MCI/NC, AD/NC, AD/MCI, MCI/NC 총 4개의 집단으로 나누었고, 각 집단에 따라 ...

전 세계적으로 고령화가 진행됨에 따라 알츠하이머 병의 유병률이 높아지고 있다. 이에 전세계적으로 알츠하이머 병에 대한 조기 진단 방법과 효율적인 진단, 분석 방법이 필요하며 많은 연구가 실시되고 있다. 또한 현재 4차산업혁명의 핵심인 많은 딥러닝 기술들이 연구되고 있으며, 이는 의료영상 분야에서도 활발한 연구가 이루어지고 있다.
본 연구는 Convolution Neural Network를 기반으로하여, 뇌 MR영상에서 추출한 해마 영역을 학습하고 알츠하이머 병의 분석 및 분류 모델의 개발을 목표로 하였다.
연구 과정은 다음과 같다. 먼저 뇌 MR영상에서 해마영역을 분할하는 과정을 거쳤으며, 해마 영역의 자동 분할을 위해서, ICBM Template와 ADNI에서 얻은 환자 뇌 MR영상을 3D-Slicer를 이용하여 정합하였다. 그리고 ICBM Template가 제공하는 뇌 기관의 위치정보를 이용하여 정합이 완료된 환자의 뇌 MR영상에서 해마영역을 자동으로 추출하였다. 이 후 추출한 환자의 해마 영역을 AD/MCI/NC, AD/NC, AD/MCI, MCI/NC 총 4개의 집단으로 나누었고, 각 집단에 따라 CNN모델을 구성하고 학습하여 그에 대한 결과를 도출하였다. 또한 결과데이터를 선행연구와 비교하여, 보다 유연한 분석이 가능하도록 결과를 종합하고 분석하여, 향후 연구에 대한 방향을 제시하였다.

Keyword